GPT-5：新“王座”上的价格与性能博弈

从2023年底OpenAI CEO Sam Altman首次提及GPT-5，到今日模型的正式发布，时间跨度近一年半。

如今，人们依然对OpenAI的发布会充满期待，但讨论焦点已从最初的惊叹转变为更多的质疑。

值得一提的是，从模型性能来看，OpenAI成功扭转了之前的口碑下滑趋势。在发布会上展示的GPT-5，在多维度上保持领先，并自信宣称“世界最强编程模型”，挑战了Claude的领先地位。

然而，相较于GPT-3和GPT-4的突破性进展，GPT-5的领先似乎并不那么显著。

与此同时，竞争对手也虎视眈眈。Anthropic宣布将在本月发布大版本更新，而马斯克更是声称自家模型Grok-4在部分测试中已超越OpenAI的新模型。

OpenAI能否在这个新“王座”上长久坐稳？Altman并未直接回答，而是更多地讲述了大模型如何经济实惠地落地。

聚焦最强代码模型，GPT-5全面升级

从性能分数、成本效益到幻觉问题处理及超长上下文理解，GPT-5的每一面都经过精心打磨，旨在成为一个更高效的大模型。

在架构上，GPT-5是一个统一架构的模型，由三部分组成：基础模型、具备深度推理能力的GPT-5 thinking模型以及实时路由器。

这种设计使得实时路由器能依据对话类型、问题复杂度、工具需求及用户意图快速选择合适的模型。例如，当用户要求“帮我认真思考一下”时，它会调用深度推理模型。

Altman在发布会前一天就通过图片展示了GPT-5的性能优势，并在发布会上表达了对该模型的信心。

“与GPT-4的对话如同高中生交流，与O3则像与大学生交谈，而GPT-5则相当于与博士生对话。”Altman如此形容GPT-5的体验。

在性能上，GPT-5确实在多个方面达到了顶尖水平。具体而言，其在编程、数学、多模态理解和健康评估等方面表现突出。

特别是编程能力，OpenAI自豪地称GPT-5为“世界上最强的编程模型”。

在SWE-Bench（测试大模型代码补全能力）的指标上，GPT-5的推理版本取得了74.9%的成绩，不仅超过了自家模型O3，也超越了Anthropic刚发布的Claude Opus 4.1（74.5%）。在编程领域，OpenAI重新夺回了Claude系列的领先地位。

发布会现场，OpenAI通过实例展示了其编程能力。例如，它快速生成了一个解释伯努利效应的网页，仅用两分钟就编写了400行代码的网页版本。

此外，OpenAI还展示了模型进行网页小游戏开发的能力。这些能力其他开源大模型也能实现，但OpenAI在美观度和流程完整性上更胜一筹。

除了面向消费者的案例外，在B端实际应用中，OpenAI也向开发者展示了GPT-5代码编写的落地能力。例如，GPT-5在后台编写并优化代码后，开发了一个财务信息看板，界面设计美观。

除了编程外，GPT-5在其他维度上也刷新了自家模型的记录。在数学（AIME 2025）、多模态理解（MMMU）和健康评估（HealthBench Hard）等方面均有所提升。

GPT-5再次验证了“模型即产品”的理念——结合工具能力的GPT-5 pro甚至能在AIME 2025测试中取得满分。

然而，OpenAI的演示出现了首个公开的失误。在现场展示的图表中，数字大小和柱状图不匹配。这一严重且低级的错误引发了广泛关注。

对此，光锥智能也进行了测试。结果显示，GPT-5在处理柱状图时无误，可能是制图失误。

免费vps服务器教程